新智元报道
新智元报道
【新智元导读】万众瞩目的Blackwell Ultra终于登场亮相，专为DeepSeek R1这样的推理模型打造，性能直达Hoper的40倍！而下一代GPU「Rubin」，将于2026年下半年问世。这次，老黄的金句直接升级为「买得越多，赚得越多」。
全世界都错了，Scaling Law并没有撞墙！
刚刚在圣何塞结束的GTC大会上，老黄声称没有脚本、没有提词器，用两个多小时向我们介绍了英伟达过去一年的进展。
老黄表示，如果说从前的GTC说AI的伍德斯托克音乐节，那今年搬进体育场的GTC就是AI的超级碗，而唯一不同的说，每个人都是超级碗的赢家。
全场精彩亮点如下：
-
Blackwell已全面投产，而且进展非常快，客户需求也非常大。这一切皆是因为AI拐点已至，训练推理AI/智能体系统对计算量的需求大大增加。
-
Blackwell NVL72结合Dynamo推理性能提升了40倍，相当于一座Hopper AI工厂的性能。
-
英伟达未来三年路线图已公开，GPU每年一更：Blackwell Ultra预计2025年下半年上市，下一代Rubin 2026年问世。
-
英伟达正在构建3个AI基础设施：云上AI基础设施，企业AI基础设施和机器人AI基础设施。
英伟达预言：在未来，每个拥有工厂的公司将来都会有两个工厂，一个是用来制造产品的实体工厂，另一个是用于数学运算的AI工厂。为此，各类CUDA-X软件库已经准备好，引爆全行业的变革。
而这场革命的背后，就是英伟达的CUDA核心，以及为之配备的惊人算力。
AI芯片每年一更，下一代Rubin明年亮相
首先，是对训练和测试时推理能力进行大幅提升，并将在今年下半年问世的Blackwell Ultra。
根据英伟达官方博客介绍，Blackwell已经让DeepSeek-R1打破了推理性能的世界纪录。
而与Blackwell相比，Blackwell Ultra芯片还有超强进化！
它的显存从192GB提升到了288GB。而GB300 NVL72的AI性能，则比NVIDIA GB200 NVL72高出1.5倍。
接下来，是最为重磅的Vera Rubin，预计在2026年下半年发布。
这个命名致敬的是发现暗物质的天文学家Vera Rubin。
Vera Rubin有两个部分，一个称为Vera的CPU和一个称为Rubin的新GPU。
两部分一同使用时，Rubin可以在推理时实现每秒50千万亿次浮点运算，比Blackwell速度高出一倍多。
显存方面，Rubin将升级为HBM4，容量仍然为288GB。
不过，Rubin的带宽将会有大幅升级，从原来的8TB/s提高到13TB/s，提高了1.6倍。
不仅如此，NVIDIA还会为Rubin扩展NVLink，将其吞吐量提升到260TB/s，直接翻倍！
机架间的全新CX9链路达到了28.8TB/s。
不仅有标准版Rubin，老黄现场还推出了Rubin Ultra版本。
Rubin Ultra NVL576在FP4精度下进行推理任务时，性能达到了15 ExaFLOPS，在FP8精度下进行训练任务时，性能为5 ExaFLOPS。相比GB300 NVL72性能有14倍的提升。
配备HBM4e内存，带宽为4.6 PB/s，支持 NVLink 7，带宽为1.5 PB/s，较上一代提升12倍。
Rubin Ultra NVL576机架支持CX9，带宽为达到了115.2 TB/s，较上一代提升了8倍。
预计在2027年下半年推出。
Blackwell NVLink72和Rubin NVLink 576尺寸最直观的对比，再一次证明了需要在scale up之前，先要完成scale out。
|
|
|
可以看到浮点运算能力，Hopper架构是1倍提升，Blackwell 68倍提升，到了Rubin直接跃升至900倍。
另外总拥有成本（TCO），也在随着架构迭代大幅降低。
那么，英伟达是如何实现scale up？
主要是通过网络InfiniBand和Spectrum X。后者具备了低延迟和拥塞控制特性，并且成功scale up有史以来最大的单GPU集群。
不仅如此，英伟达还希望在Rubin时间框架内，将GPU的数量扩展至数十万个。而这一目标实现的主要挑战在于，大规模连接的问题。
值得一提的是，老黄官宣了英伟达首个共封装硅光子系统，也是世界上第一个每秒1.6T的CPO。
它基于一种「微环谐振器调制器」的技术（micro ring resonator modulator），并使用了台积电工艺技术构建。
|
|
|
现在，具备了将硅光子学与共封装的结合，无需使用收发器，直接接入光线，并将其集成到512径基数的交换机中。
这样，便能够轻轻动动扩展至数十万，甚至百万GPU规模。
至于再下一代，则是将于2028年上市的Feynman（费曼）。
该命名致敬了美国著名理论物理学家Richard Feynman。
桌面级「黄金超算」，AI算力20000 TFLOPS
具体来说，它包括了数据中心GPU、桌面GPU，以及笔记本GPU。
这些GPU能够提供卓越的性能、效率，解锁生成式AI、智能体AI和物理AI的巨大潜力。
RTX PRO 6000 Blackwell采用了英伟达流式多处理器提供高达1.5倍吞吐量，第五代Tensor Core支持高达每秒4000万亿次AI运算，第四代RT Core性能提升高达前一代的2倍。
不仅如此，老黄还带来了两款由Blackwell驱动的DGX个人桌面AI超级计算机。
一个是DGX Spark（原名Project DIGITS），另一个是DGX Station。
老黄称，「AI已经改变了计算堆栈的每一层，理所当然就会出新一类的计算机——专为AI原生开发者设计，并运行AI原生程序」。
这两款桌面超级计算机，便是这样的存在。
DGX Spark可以称得上，世界上最小的AI超级计算机，配备128GB内存。
核心是GB10 Grace Blackwell超级芯片，能够提供每秒高达1000万亿次操作的AI计算能力，可以用于微调和推理模型。
DGX Station则将数据中心级别的性能，带到每个人桌面用于AI开发。
作为首款采用GB300 Grace Blackwell Ultra桌面超级芯片构建的系统，DGX Station配备了高达784GB的统一内存，以加速大规模训练和推理工作负载。
 |
 |
Scaling Law没撞墙，2028年数据中心将达一万亿！
GeForce将CUDA带给了全世界，而CUDA开启了AI，而AI又反过来改变了计算机图形学。
如今大火的则是智能体AI，它可以感知、理解、推理，还能计划行动，使用工具，自己访问网站去学习。
而接下来，就是物理AI，它将理解物理世界，理解摩擦、惯性、因果关系。它使机器人技术成为可能。
而这次大会上，Agentic AI和Physical AI将是全程的核心。
接下来，老黄重提了Scaling Law。
这涉及了三大问题：如何解决数据？如何训练模型？如何扩展？
预训练要解决数据问题，后训练解决的是human-in-the-loop问题，而测试时Scaling，则提升了AI的推理。
老黄表示，去年整个世界都搞错了，Scaling并没有撞墙！
从GPT开始，到如今的推理AI，它不再是仅仅预测下一个token，而是生成100多倍的token。
这样，推理计算量就更高了，计算速度必须提高10倍，如今需要的计算量比去年这个时候我们认为需要的多出100倍。
那么，数据应该从哪里来？答案就是强化学习。
通过强化学习，我们可以生成大量token，这就涉及到了合成数据，给整个行业带来巨大的计算挑战。
比较一下Hopper的峰值年份和Blackwell的第一年，会发现：AI正处于转折点。
Blackwell发货才一年，我们就见证了全球AI基础设施的惊人增长。仅在2024年，全球TOP 4的云服务商买进的Hopper架构芯片就达到130万块。
老黄表示，未来数据中心建设将达到一万亿美元的规模，并且他确信，这个时间很快了！
根据预测，到2028年就能达到这个规模。
如今，通用计算已经走到了尽头，我们已经到达加速计算临界点，需要一种新的计算方法。
世界正在经历一个平台转移，从在通用计算机上运行的手写软件，转向在加速器和GPU上运行的机器学习软件。
过去，我们编写软件并在计算机上运行。未来，计算机将为软件生成token。
计算机已经成为生成token的工具，而不仅仅是文件的检索工具，老黄称之为「AI工厂」。
上面这张幻灯片，可以说是GTC最核心内容的结晶。
英伟达通过由Grace Hopper和Grace Blackwell架构支持的各种CUDA-X库，为每一个科学领域提供了加速框架。
比如，解决涉及稀疏矩阵的大型工程仿真问题的cuDSS，模拟极其复杂的量子系统的cuQuantum等等。
而这些，仅仅是使加速计算成为可能的库的样本。
如今，通过英伟达的900多个CUDA-X库和AI模型，所有人都可以加速科学研究，重塑行业，赋予机器视觉、学习和推理能力。
老黄表示，从业三十年中，最令自己感动的一件事，就是一位科学家对自己说：「Jensen，因为你的工作，我可以在有生之年完成我的毕生事业」。
如今，每年有1000亿美元的资本投入无线网络和用于通信的数据中。
加速计算的趋势已经无法阻挡，AI将进入每个行业，比如改变无线电信号。
既要大量token思考，又要快速生成
当时的想法是，使用大量商用计算机，将它们连接成一个大型网络，然而，这种方式会消耗太多电力和能力，根本无法实现深度学习。
而HGX系统架构，彻底解决了纵向扩展的问题。
 |
 |
然后，他们又做出了世界上性能最高的交换机——NVLink交换机，使得每个GPU能够同时以全带宽与其他所有GPU通信。
同时，利用液冷将计算节点也压缩到1u的托盘中，从而为行业带来了巨变。
 |
 |
于是，一个机架里，就有了一个Exaflops级别的超算。
 |
 |
最终的结果，就是英伟达实现了Scaling，可以说，这是全世界实现过最极端的Scaling。
这个过程中的计算量，可能已经达到了内存带宽每秒570TB。而这台机器，已经达到了每秒百万万亿次浮点运算。
实际上，推理Scaling是一个「终极计算」问题。
推理是工厂生成token的过程，只有具备极高性能，才会提升服务质量，以及收入和盈利的能力。
生成的token越多，AI就越智能。但问题是，吞吐时间太长且速率慢，客户也不愿意买账。
因此，在计算工厂中，响应时间和吞吐量中间，存在着基本的矛盾关系。
老黄展示这张图中，x轴代表了生成的token，y轴代表着每秒token吞吐效率，理想情况下，图中黄色曲线应该是一个方形，即在工厂能力极限之内，非常快速生成token。
然而， 现实没有哪个工厂可以做到这点。
曲线才是最符合现实的一种，工厂的目标是最大化曲线下方的面积，越是向外推，代表着建造的工厂越优秀。
另一个维度，则需要巨大的带宽、最大的浮点运算能力。
现场，老黄展示了一个传统大模型和推理模型，基于同一段提示通过思考token解决问题的关键区别。
一边是Llama 3.3 70B，另一边是DeepSeek R1。
这段提示词的大意是要求在遵循传统、拍照角度和家族争端等约束条件下，在婚礼宴会上安排宾客入座。
I need to seat 7 people around a table at my wedding reception, but my parents andin-laws should not sit next to each other. Also, my wife insists we look better in pictures when she’s on my left, but l need to sit next to my best man. How do l seat us on a roundtable? But then, what happens if we invite our pastor to sit with us?
推理模型需要消耗超过20倍的token量完成问题，计算量也随之增加了150倍。
而下一代模型，参数可能会达到万亿级别。
解决方案，就是将这些万亿级的参数分布在多个GPU上，通过管线并行、张量并行和专家并行的组合来解决。
8000多个token，就意味着数万亿字节的信息被输入到GPU中，逐个生成token。
这，就是我们需要NVlink到根本原因——它让我们能把这些GPU组成一个巨大的GPU，实现规模的终极Scaling。
终极摩尔定律：买越多，赚越多
「正如发电机（Dynamo）推动了工业革命，NVIDIA Dynamo将会革新AI工厂」。
随着AI推理变得越来越主流，AI模型在每次提示下都会生成成千上万的token来进行「思考」。
如何在提高推理性能的同时，还能不断降低推理成本？
这便是NVIDIA Dynamo推出的意义。
NVIDIA Dynamo是NVIDIA Triton Inference Server的下一代产品，它能协调并加速数千个GPU之间的推理通信，并使用分布式服务把LLM的处理和生成阶段分配到不同的GPU上。
这样每个阶段都能根据自己的需求单独优化，确保GPU资源被充分利用。
在同样的GPU数量下，Dynamo能让运行Llama模型的AI工厂在Hopper架构上性能和收入双双翻倍。
在GB200 NVL72集群上运行DeepSeek-R1模型时，NVIDIA Dynamo的智能推理优化还能让每个GPU生成的token数量提升超过30倍！
为了实现这些推理性能的提升，NVIDIA Dynamo能根据请求量和类型的变化，动态添加、移除或重新分配GPU，还能在大型集群中精准找到特定GPU来减少响应计算和路由查询。
它还能把推理数据卸载到更便宜的内存和存储设备上，需要时再快速取回，尽量降低推理成本。
老黄在现场宣布NVIDIA Dynamo完全开源，支持PyTorch、SGLang、NVIDIA TensorRT-LLM和vLLM。
下图中，横轴代表为用户每秒处理的token数量，纵轴是工厂每秒处理的token吞吐量。
比如，Hopper平台用8个GPU连上InfiniBand，可以为每个用户提供100 token/秒的处理速度。
老黄开始算了起来，「有了这个坐标，我们就可以用token/秒和能耗来衡量收益了。」
比如，250万token/秒按每百万token 10美元算，就能带来每秒2500美元的收入；而如果降到10万token/秒，那也就是250美元。
而一年有3000多万秒，这直接关系到1兆瓦数据中心的年收入。
所以，目标是找到token处理速度和AI智能之间的平衡点：速度快能做聪明AI，客户愿意多付钱，但越聪明，批量生产就越难。
相比之下，新的Blackwell架构比Hopper强多了，尤其在能耗固定的情况下，性能提升了25倍，甚至在推理模型上直接比Hopper高40倍。
更厉害的是，Blackwell用MVLink 8技术加速，还引入了4位浮点数优化，减少能耗提升效率。
老黄表示，未来数据中心都会受限于电力，收入也跟电力挂钩，所以能效高的架构最重要。
接下来，Blackwell将扩展到MVLink 72，再加上Dynamo软件，效果将更上一层楼。
老黄表示下图里的彩虹线非常惊艳，展示了各种配置下的最佳表现。
从顶部3000批大小到底部的2批大小，配置灵活应变。
这些优化让数据中心能适应不同工作负载，证明了架构的重要性。
说到这，老黄举了个例子，在推理模型上，Blackwell的性能直接比Hopper高了40倍，真的很了不起！
「一旦Blackwell开始大规模出货，Hopper可能连送人都没人要了。」老黄在现场打趣道。
黄仁勋说，销售团队听到他这话估计要急了，担心影响会Hopper的销量。
但老黄认为，技术进步太快，工作负载又重，像AI工厂这样的大型项目，最好投资在最新版本的技术上，比如Blackwell，这样才能跟上潮流，避免落后。
接着，他拿出一个具体的例子来对比：一个100兆瓦的AI工厂用Hopper技术需要45000个芯片、1400个机架，每秒能产出3亿个token。
而同样的工厂如果用Blackwell，虽然芯片数量减少，但效率更高，整体性能更强。
老黄再次调侃道，销售团队可能觉得这是在「少卖货」，但实际上还是之前那个观点，「 the more you buy, the more you save」（买得越多，省得越多）。
甚至，现在还要更进一步：「the more you buy, the more you make」（买得越多，赚得越多）。
|
|
|
首个通用机器人模型开源，规模仅2B
具身智能也遵循着三大Scaling Law。
数据短缺成为Scaling一大难题，英伟达Omniverse和Cosmos能够同时为具身智能的训练，生成大量多样化、高质量的数据。
然后开发者利用Isaac Lab通过增强数据集后训练机器人策略，并通过模仿学习让机器人通过克隆行为来学习新技能，或者通过试错和强化学习AI反馈进行学习。
这一次，英伟达正式官宣了世界首个开源、完全可定制的通用人形机器人模型——GROOT N1。
这款模型的设计从人类认知过程汲取灵感，采用了「双系统架构」，分别可以进行快思考和慢思考。
技术报告：https://d1qx31qr3h6wln.cloudfront.net/publications/GR00T%20N1%20Whitepaper.pdf
在视觉语言模型驱动下，慢思考系统（System 2）能够对环境和指令进行推理，然后规划出正确的行动。
快思考系统（System 1），可以将上述计划转化为机器人精确、连续的动作，包括操纵物体、执行多步骤序列的能力。
值得一提的是，System 1是基于人类演示数据和Omniverse生成大量的合成数据进行训练的。
GROOT N1可以轻松在上见任务中进行泛化，或执行需要长上下文和多种通用技能组合的多步骤任务。
比如，抓取、用一只手臂/两只手臂移动物体，以及在两个手臂之间传递物品。
此外，英伟达还与DeepMind、迪士尼研究一起开发下一代开源的Newton物理引擎，能够让机器人学习如何更精确处理复杂任务。
随后，以星球大战BDX机器人为灵感，装上Newton引擎的Blue上台和老黄来了一波有趣的互动。
最后，老黄预言：在未来，机器人领域将成为最大的产业。
毫无疑问，英伟达又一次成为了赢家。
|
|
|
（文：新智元）